很多时候我们有一堆数据，并且也知道数据的基本模型，但是不知道模型的参数是什么。这是基本的机器学习过程，这个过程就叫参数估计
比如我们现在就有一堆数据，模型是y = \beta_0 x + \beta_1 + \xi = \beta^T X + \xi，我们要求\beta
常见的计算\beta的手段有：
- 最小二乘法
- 最大似然估计
- 最大后验估计
- 贝叶斯估计
但是这几种估算方法的背后，其实代表了两类学术派别，也就是大家学习贝叶斯的时候经常听到的，频率学派和贝叶斯学派
今天来捋捋这两种学派的区别和联系
remaper